[发明专利]一种基于学习成长数据的学习风格画像生成方法及系统

权利要求书

1.一种基于学习成长数据的学习风格画像生成方法，其特征在于，包括步骤：

收集学习成长数据，所述学习成长数据包括从多个数据源获取的用户属性数据和多维用户行为数据；

将所述学习成长数据进行表征化处理，获得用户行为表征矩阵；

将所述用户行为表征矩阵输入到预训练得到的用户特征提取模型中，所述用户特征提取模型基于神经网络，并用于输出用户行为特征向量矩阵；

将所述用户行为特征向量矩阵与学习特征向量相乘，将相乘得到的矩阵作为用户学习风格画像。

2.如权利要求1所述的一种基于学习成长数据的学习风格画像生成方法，其特征在于，所述多个数据源至少包括线上教学平台用户数据库和线下课堂行为数据库，所述多维用户行为数据至少包括文本类型数据、视频类型数据和音频类型数据。

3.如权利要求2所述的一种基于学习成长数据的学习风格画像生成方法，其特征在于，所述表征化处理包括步骤：

对文本类型数据进行分词处理，将分词处理后得到的每一个词采用向量表示，各词向量组成为文本表征矩阵；

对视频类型数据进行帧采样，利用卷积神经网络将采样得到的每帧图像进行向量化，各帧图像的向量组成为视频表征矩阵；

对语音类型数据通过预加重、分帧加窗、傅里叶变换处理，获得语音表征矩阵；

将所述文本表征矩阵、所述视频表征矩阵和所述语音表征矩阵进行拼接。

4.如权利要求1所述的一种基于学习成长数据的学习风格画像生成方法，其特征在于，所述学习特征向量预先定义有表征用户自主学习能力的指标、表征用户问题分析能力的指标、表征用户创新能力的指标、表征用户对国外内容掌握能力的指标、和表征用户道德素养能力的指标。

5.如权利要求1所述的一种基于学习成长数据的学习风格画像生成方法，其特征在于，所述用户特征提取模型基于卷积神经网络。

6.如权利要求1所述的一种基于学习成长数据的学习风格画像生成方法，其特征在于，将所述用户行为特征向量矩阵记为M，M中的行表示用户，列表示影响用户学习行为数据因子；

将学习特征向量记为N，N中的行表示学习者学习特点，列表示影响学习者学习特点的学习行为因子；

将相乘后的矩阵记为U，U的元素u_ij表示学习行为i对学习特点j的评分值。

7.一种基于学习成长数据的学习风格画像生成系统，其特征在于，包括：

第一模块，用于收集学习成长数据，所述学习成长数据包括从多个数据源获取的用户属性数据和多维用户行为数据；

第二模块，用于将所述学习成长数据进行表征化处理，获得用户行为表征矩阵；

第三模块，用于将所述用户行为表征矩阵输入到预训练得到的用户特征提取模型中，所述用户特征提取模型基于神经网络，并用于输出用户行为特征向量矩阵；

第四模块，用于将所述用户行为特征向量矩阵与学习特征向量相乘，将相乘得到的矩阵作为用户学习风格画像。

8.如权利要求7所述的一种基于学习成长数据的学习风格画像生成系统，其特征在于，所述多个数据源至少包括线上教学平台用户数据库和线下课堂行为数据库，所述多维用户行为数据至少包括文本类型数据、视频类型数据和音频类型数据。

9.如权利要求8所述的一种基于学习成长数据的学习风格画像生成系统，其特征在于，所述表征化处理包括步骤：

对文本类型数据进行分词处理，将分词处理后得到的每一个词采用向量表示，各词向量组成为文本表征矩阵；

对视频类型数据进行帧采样，利用卷积神经网络将采样得到的每帧图像进行向量化，各帧图像的向量组成为视频表征矩阵；

对语音类型数据通过预加重、分帧加窗、傅里叶变换处理，获得语音表征矩阵；

将所述文本表征矩阵、所述视频表征矩阵和所述语音表征矩阵进行拼接。

10.如权利要求7所述的一种基于学习成长数据的学习风格画像生成系统，其特征在于，所述学习特征向量预先定义有表征用户自主学习能力的指标、表征用户问题分析能力的指标、表征用户创新能力的指标、表征用户对国外内容掌握能力的指标、和表征用户道德素养能力的指标。